统计实验设计和分析是数据科学的核心。 在本课程中，您将设计统计实验，并使用现代方法分析实验结果。 您还将探索解释统计论据的常见误区，尤其是与大数据相关的误区。 总之，本课程将帮助您内化一套实用有效的机器学习核心方法和概念，并应用它们解决一些实际问题。 学习目标：完成本课程后，您将能够： 1.设计有效的实验并分析实验结果 2.使用重采样方法进行清晰、有力的统计论证，而无需引用深奥的符号 3.解释并应用一套复杂度不断增加的核心分类方法（规则、树、随机森林），以及相关的优化方法（梯度下降和变体） 4.解释并应用一套无监督学习概念和方法 5.描述大规模图分析的常用习语，包括结构查询、遍历和递归查询、PageRank 和社群检测
实用预测分析：模型与方法
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 大规模数据科学 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
学习统计推断的基础知识，比较经典方法和重采样方法，让您能够使用简单的程序进行严格的统计论证。 以当前的科学基础话题：发表偏差和可重复性来激发您的学习兴趣。
涵盖的内容
28个视频
让我们一起领略机器学习的重要方法、算法和技术。 您将了解这些方法如何相互促进，并结合成实用的算法，在各种任务中表现出色。 了解如何评估机器学习方法以及应避免的陷阱。
涵盖的内容
26个视频1篇阅读材料1个作业
您将学习如何使用梯度下降法优化代价函数，包括使用随机化和并行化提高性能的流行变体。 您将对实践中常用的方法有直观的认识，并了解这些方法的基本相似性。
涵盖的内容
11个视频
简要介绍选定的无监督学习方法，并提供在实际问题中应用技术的机会。
涵盖的内容
4个视频1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(5个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
48.60%
- 4 stars
30.95%
- 3 stars
9.59%
- 2 stars
5.26%
- 1 star
5.57%
显示 3/323 个
WL
已于 Jun 5, 2016审阅
A quick overview of technology terms used for Machine Learning, and gentle introduction into learning through Kaggle.
KR
已于 Nov 10, 2015审阅
Very nice assignments and content. You learn a lot when you complete all assignments.
NE
已于 Jun 7, 2017审阅
I think the amount of course work to lectures was more appropriate than the first segment. I enjoyed the exercises and felt that they mixed the correct amount of theory and applicaiton.
从 数据科学 浏览更多内容
University of Colorado Boulder
O.P. Jindal Global University
Illinois Tech
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。